Navigation überspringen
Universitätsbibliothek Heidelberg
Status: Bibliographieeintrag

Verfügbarkeit
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Tham, Yih-Chung [VerfasserIn]   i
 Goh, Jocelyn Hui Lin [VerfasserIn]   i
 Anees, Ayesha [VerfasserIn]   i
 Lei, Xiaofeng [VerfasserIn]   i
 Rim, Tyler Hyungtaek [VerfasserIn]   i
 Chee, Miao-Li [VerfasserIn]   i
 Wang, Ya Xing [VerfasserIn]   i
 Jonas, Jost B. [VerfasserIn]   i
 Thakur, Sahil [VerfasserIn]   i
 Teo, Zhen Ling [VerfasserIn]   i
 Cheung, Ning [VerfasserIn]   i
 Hamzah, Haslina [VerfasserIn]   i
 Tan, Gavin S. W. [VerfasserIn]   i
 Husain, Rahat [VerfasserIn]   i
 Sabanayagam, Charumathi [VerfasserIn]   i
 Wang, Jie Jin [VerfasserIn]   i
 Chen, Qingyu [VerfasserIn]   i
 Lu, Zhiyong [VerfasserIn]   i
 Keenan, Tiarnan D. [VerfasserIn]   i
 Chew, Emily Y. [VerfasserIn]   i
 Tan, Ava Grace [VerfasserIn]   i
 Mitchell, Paul [VerfasserIn]   i
 Goh, Rick S. M. [VerfasserIn]   i
 Xu, Xinxing [VerfasserIn]   i
 Liu, Yong [VerfasserIn]   i
 Wong, Tien Yin [VerfasserIn]   i
 Cheng, Ching-Yu [VerfasserIn]   i
Titel:Detecting visually significant cataract using retinal photograph-based deep learning
Titelzusatz:technical report
Verf.angabe:Yih-Chung Tham, Jocelyn Hui Lin Goh, Ayesha Anees, Xiaofeng Lei, Tyler Hyungtaek Rim, Miao-Li Chee, Ya Xing Wang, Jost B. Jonas, Sahil Thakur, Zhen Ling Teo, Ning Cheung, Haslina Hamzah, Gavin S. W. Tan, Rahat Husain, Charumathi Sabanayagam, Jie Jin Wang, Qingyu Chen, Zhiyong Lu, Tiarnan D. Keenan, Emily Y. Chew, Ava Grace Tan, Paul Mitchell, Rick S. M. Goh, Xinxing Xu, Yong Liu, Tien Yin Wong and Ching-Yu Cheng
E-Jahr:2022
Jahr:March 2022
Umfang:11 S.
Illustrationen:Illustrationen
Fussnoten:Online veröffentlicht: 21. Februar 2022 ; Gesehen am 17.09.2024
Titel Quelle:Enthalten in: Nature aging
Ort Quelle:London : Nature Research, 2021
Jahr Quelle:2022
Band/Heft Quelle:2(2022), 3 vom: März, Seite 264-271
ISSN Quelle:2662-8465
Abstract:Age-related cataracts are the leading cause of visual impairment among older adults. Many significant cases remain undiagnosed or neglected in communities, due to limited availability or accessibility to cataract screening. In the present study, we report the development and validation of a retinal photograph-based, deep-learning algorithm for automated detection of visually significant cataracts, using more than 25,000 images from population-based studies. In the internal test set, the area under the receiver operating characteristic curve (AUROC) was 96.6%. External testing performed across three studies showed AUROCs of 91.6-96.5%. In a separate test set of 186 eyes, we further compared the algorithm’s performance with 4 ophthalmologists’ evaluations. The algorithm performed comparably, if not being slightly more superior (sensitivity of 93.3% versus 51.7-96.6% by ophthalmologists and specificity of 99.0% versus 90.7-97.9% by ophthalmologists). Our findings show the potential of a retinal photograph-based screening tool for visually significant cataracts among older adults, providing more appropriate referrals to tertiary eye centers.
DOI:doi:10.1038/s43587-022-00171-6
URL:Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.

kostenfrei: Volltext: https://doi.org/10.1038/s43587-022-00171-6
 kostenfrei: Volltext: http://www.nature.com/articles/s43587-022-00171-6
 DOI: https://doi.org/10.1038/s43587-022-00171-6
Datenträger:Online-Ressource
Sprache:eng
Sach-SW:Ageing
 Diagnostic markers
 Predictive markers
K10plus-PPN:1902702786
Verknüpfungen:→ Zeitschrift

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/69253917   QR-Code
zum Seitenanfang